發(fā)布時(shí)間：2025-01-20 11:28

　　 針對(duì)極小子樣的退化數(shù)據(jù),對(duì)原始退化試驗(yàn)數(shù)據(jù)序列進(jìn)行分段,依次從每段數(shù)據(jù)中隨機(jī)抽取,組成新序列的方法擴(kuò)充為大樣本�？紤]固定影響因素和隨機(jī)影響因素,采用混合參數(shù)模型對(duì)擴(kuò)充的樣本進(jìn)行建模,并采用two-stage方法估計(jì)模型參數(shù)。由最小二乘法估計(jì)每一樣本的退化軌跡模型參數(shù),計(jì)算混合參數(shù)模型的參數(shù),由混合參數(shù)模型推導(dǎo)出產(chǎn)品失效時(shí)間累積概率分布函數(shù)。通過(guò)與自然貯存的大樣本數(shù)據(jù)的比較表明,運(yùn)用分段隨機(jī)抽樣方法對(duì)加速試驗(yàn)后的數(shù)據(jù)序列進(jìn)行再抽樣,可有效擴(kuò)充試驗(yàn)樣本量,無(wú)需虛擬擴(kuò)充數(shù)據(jù),解決了加速退化試驗(yàn)評(píng)估失效時(shí)間分布時(shí)樣本量少的問(wèn)題。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1 分段隨機(jī)抽樣與非分段對(duì)比

通過(guò)以上方法將極小子樣擴(kuò)充為大樣本量后,運(yùn)用混合參數(shù)模型對(duì)退化軌跡進(jìn)行建模,求解失效時(shí)間的分布。2混合參數(shù)評(píng)估模型

圖2 加速度計(jì)加速退化試驗(yàn)數(shù)據(jù)

以加速度計(jì)的高溫加速貯存試驗(yàn)為例,選取性能參數(shù)為標(biāo)度因數(shù)(單位為ppm,即10-6),試驗(yàn)樣本量為3,屬于極小子樣試驗(yàn)。試驗(yàn)中,溫度設(shè)定為80℃,測(cè)量時(shí)間間隔120h,試驗(yàn)終止時(shí)間2160h。初始時(shí)刻性能退化量為零,共測(cè)得19個(gè)數(shù)據(jù),如圖2所示。根據(jù)文獻(xiàn)[16-17],本....

圖3 失效時(shí)間累積概率分布曲線F(t)

令失效閾值為300,T的累積概率分布曲線如圖3所示。由于η(t)～Ν(φ1+μθtφ2,σθ2t2φ2),其方差與時(shí)間t有關(guān),則失效時(shí)間T的分布不是正態(tài)分布,而是伯恩斯坦分布。T的概率密度曲線如圖4所示,由圖4可以看出,該分布為一偏峰分布。為了....

圖4 失效時(shí)間概率密度曲線f(t)

由于η(t)～Ν(φ1+μθtφ2,σθ2t2φ2),其方差與時(shí)間t有關(guān),則失效時(shí)間T的分布不是正態(tài)分布,而是伯恩斯坦分布。T的概率密度曲線如圖4所示,由圖4可以看出,該分布為一偏峰分布。為了說(shuō)明該方法的可行性,收集了104套自然貯存的加速度計(jì)....

本文編號(hào)：4029194